A adoção da inteligência artificial (IA) na radioterapia está transformando os padrões do tratamento de pacientes com câncer em todo o mundo. A primeira declaração de consenso conjunta da Associação Americana de Físicos e Médicos (AAPM) e da Sociedade Europeia de Radioterapia e Oncologia (ESTRO), consolida a IA como peça-chave para a inovação clínica, científica e regulatória da radioterapia nos próximos anos, com reflexos diretos na qualidade do cuidado ao paciente. O estudo foi publicado na revista científica Radiotherapy & Oncology.

O radio-oncologista Fábio Ynoe de Moraes, membro da Sociedade Brasileira de Radioterapia (SBRT), aponta que os avanços tecnológicos estão impactando desde o planejamento até a execução dos tratamentos, promovendo ganhos em eficiência, precisão e personalização. “Como temos visto, a inteligência artificial tem um potencial revolucionário, e na área da saúde não tem sido diferente, especialmente na radioterapia. Ela está presente em todas as etapas do processo, desde o contorno automático de estruturas até o ajuste da dose em tempo real, acompanhando as mudanças anatômicas do paciente”, afirma.

Um exemplo emblemático vem do estudo publicado em 2021 na revista Nature, que demonstrou que sistemas de IA conseguem gerar planos de radioterapia para câncer de próstata em menos de cinco minutos, com 92% de aceitação clínica pelos radio-oncologistas, sem necessidade de ajustes manuais. “Esses ganhos significam mais produtividade, menos carga de trabalho para os profissionais e uma melhora expressiva na qualidade dos planos de tratamento”, destaca Moraes.
 

Principais vantagens da IA na radioterapia

• Eficiência: Redução do tempo de planejamento de horas para minutos.
• Precisão: Segmentação automática de órgãos e tumores com acurácia clínica superior a 90%.
• Planejamento baseado em conhecimento (KBP): A IA aprende com bancos de dados históricos e gera planos otimizados.
• Consistência: Redução da variabilidade entre profissionais, oferecendo tratamentos mais padronizados.
• Adaptação em tempo real: Ajuste diário do plano, considerando alterações na anatomia do paciente.

Ao integrar dados clínicos, de imagem (radiômicos) e informações genéticas, os algoritmos são capazes de prever o risco de toxicidade, a probabilidade de controle tumoral, indicar a melhor técnica (como IMRT, VMAT ou SBRT) e ajustar dose e fracionamento ao longo do tratamento. “Estamos entrando, de fato, na era da oncologia de precisão. A IA nos permite oferecer tratamentos cada vez mais personalizados, adaptando-se às características biológicas e anatômicas de cada paciente”, reforça o especialista.

Tecnologias já aplicadas na prática

As diferentes tecnologias de IA já estão integradas à radioterapia:

• CNN/U-Net (redes neurais – Convolutional Neural Network / U-Net architecture): Segmentação automática de volumes — alta maturidade clínica e ampla comercialização.
• GANs (redes degenerativas – Generative Adversarial Networks): Geração de tomografia sintética a partir de ressonância magnética — validada para pélvis e cérebro.
• KBP (aprendizado de máquina – Knowledge-Based Planning): Planejamento baseado em conhecimento, com previsão de dose — aprovado em diversos ensaios clínicos.
• RL (Aprendizado por reforço- Reinforcement Learning): Adaptação de dose em tempo real — tecnologia emergente, ainda em fase pré-clínica.
• Radiômica + inteligência artificial: Predição de resposta ao tratamento e risco de toxicidade — atualmente em validação multicêntrica.

Mais precisão e menos efeitos colaterais

Ao aperfeiçoar a segmentação de órgãos e tumores, a IA permite uma entrega de dose mais precisa, protegendo tecidos saudáveis. Além disso, algoritmos preditivos ajudam a antecipar e mitigar toxicidades como mucosite e pneumonite. “A IA é capaz de prever quem tem maior risco de desenvolver efeitos colaterais, permitindo intervenções precoces e ajustes de dose para minimizar complicações”, destaca Moraes.

Desafios e barreiras no Brasil

Apesar dos avanços, o Brasil ainda enfrenta entraves importantes para a adoção plena da IA na radioterapia:

• Infraestrutura computacional limitada
• Baixa interoperabilidade entre sistemas hospitalares
• Escassez de profissionais capacitados em IA
• Custos elevados de softwares e manutenção
• Resistência institucional e ausência de diretrizes regulatórias claras

Um estudo de revisão publicado na Cancer/Radiothérapie destaca que superar essas barreiras demanda investimentos coordenados em formação de profissionais, infraestrutura tecnológica e validação clínica em nível nacional. “É fundamental que esses esforços estejam alinhados ao contexto brasileiro, com foco na capacitação especializada, no fortalecimento tecnológico e na validação local das soluções adotadas”, conclui Moraes.